Scribd
Cargar
32 vistas1 página

Evaluación de Clusters en MATLAB

El documento describe métodos para evaluar y visualizar clusters de datos, incluyendo el cálculo de índices como la brecha y la silueta para determinar el número óptimo de clusters, y la creación de dendrogramas y árboles de clusters jerárquicos para visualizar la agrupación de datos.

Cargado por

Roberto Castillo
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
32 vistas1 página

Evaluación de Clusters en MATLAB

El documento describe métodos para evaluar y visualizar clusters de datos, incluyendo el cálculo de índices como la brecha y la silueta para determinar el número óptimo de clusters, y la creación de dendrogramas y árboles de clusters jerárquicos para visualizar la agrupación de datos.

Cargado por

Roberto Castillo
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd

Visualización y evaluación de clusters - MATLAB

& Simulink - MathWorks América Latina


https://la.mathworks.com/help/stats/cluster-evaluation.html

El análisis de clusters organiza los datos en grupos en función de las


similitudes entre los puntos de datos. En ocasiones, los datos
contienen divisiones naturales que indican el número adecuado de
clusters. En otras, los datos no contienen divisiones naturales o se
desconocen. En tal caso, usted determina el número óptimo de
clusters para agrupar los datos.

Para determinar en qué medida se ajustan los datos a un número


concreto de clusters, calcule los valores de índice mediante
diferentes criterios de evaluación, como la brecha o la silueta.
Visualice los clusters creando un dendrograma para mostrar un
árbol de clusters binario y jerárquico. Optimice el orden de las hojas
para maximizar la suma de las similitudes entre hojas adyacentes.
Para los datos agrupados con varias medidas en cada grupo, cree un
dendrograma basado en las medias grupales calculadas mediante un
análisis multivariante de la varianza (MANOVA).

También podría gustarte